我正在使用 Beautiful Soup 替换文本。
这是我的代码示例：
for x in soup.find('body').find_all(string=True):
fix_str = re.sub(...)
x.replace_with(fix_str)
如何跳过script 和comment (<--! -->) 标签？
如何确定x 中有哪些元素或标签？
【问题讨论】：
标签： python beautifulsoup
如果您获取每个文本项的父项，则可以确定它是来自<script> 标记内还是来自 HTML 注释。如果没有，则可以使用您的re.sub() 函数使用该文本调用replace_with()：
from bs4 import BeautifulSoup, Comment
html = """<html>
<head>
<!-- a comment -->
<title>A title</title>
<script>a script</script>
</head>
<body>
Some text 1
<!-- a comment -->
<!-- a comment -->
Some text 2
<!-- a comment -->
<script>a script</script>
Some text 2
</body>
</html>"""
soup = BeautifulSoup(html, "html.parser")
for text in soup.body.find_all(string=True):
if text.parent.name != 'script' and not isinstance(text, Comment):
text.replace_with('new text') # add re.sub() logic here
print soup
为您提供以下新 HTML：
<html>
<head>
<!-- a comment -->
<title>A title</title>
<script>a script</script>
</head>
<body>new text<!-- a comment -->new text<!-- a comment -->new text<!-- a comment -->new text<script>a script</script>new text</body>
</html>
【讨论】：